倡导针对对抗样本采用多种防御策略
机器学习
2020-12-07 v1
摘要
经验观察表明，旨在保护神经网络免受 对抗样本攻击的防御机制在应对 对抗样本时表现不佳，反之亦然。本文通过几何分析验证了这一观察结果。随后，我们提供了若干经验性见解，以说明该现象在实践中的影响。接着，我们回顾了一些试图通过混合防御策略来抵御多种攻击的现有防御机制。借助数值实验，我们讨论了该方法的相关性，并提出了对抗样本领域亟待解决的开放性问题。
引用
@article{arxiv.2012.02632,
title = {Advocating for Multiple Defense Strategies against Adversarial Examples},
author = {Alexandre Araujo and Laurent Meunier and Rafael Pinot and Benjamin Negrevergne},
journal= {arXiv preprint arXiv:2012.02632},
year = {2020}
}
备注
Workshop on Machine Learning for CyberSecurity (MLCS@ECML-PKDD)